[發明專利]基于機器學習的食品安全風險模型的構建方法

在審

• 申請號: 201910231768.2
• 申請日: 2019-03-26
• 公開（公告）號: CN109801005A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 李躍海;欒潤峰;杜康
• 申請（專利權）人: 北京金和網絡股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26
• 代理公司: 北京遠大卓悅知識產權代理事務所(普通合伙) 11369
• 代理人: 史霞

1.基于機器學習的食品安全風險模型的構建方法，其特征在于，其包括以下步驟：

步驟S1、構建食品安全風險的評定指標集合，F＝{f₁,f₂,…f_i…f_n}，f_i代表第i個評定指標；

步驟S2、構建與所述評定指標集合F中各個評定指標對應的評分表，根據評分表，計算食品安全風險的各個評定指標的先驗權重值，并構建食品安全風險評定指標的先驗權重矩陣B＝[b₁ b₂…b_i…b_n]，b_i代表f_i的先驗權重值；

步驟S3、對評定指標的先驗權重矩陣，進行修正，得評定指標的矯正權重矩陣D＝[d₁d₂…d_i…d_n]，d_i代表f_i的矯正權重值；

步驟S4、獲取企業的各個評定指標對應的風險標記值，并構建m個企業的風險標記矩陣A，

a_ji代表第j個企業的第i個評定指標的風險標記值；

步驟S5、獲取各個企業的風險指數矩陣C，C＝A×D^T。

2.如權利要求1所述的基于機器學習的食品安全風險模型的構建方法，其特征在于，還包括：

步驟S6、獲取同一區域的多個企業的每一項評定指標的風險率，獲取多個區域的各個評定指標的風險率矩陣E；

e_ji代表第j個區域的第i個評定指標的風險率；獲取各個區域的風險指數矩陣F，F＝E×D^T。

3.如權利要求2所述的基于機器學習的食品安全風險模型的構建方法，其特征在于，所述步驟S1中食品安全風險的評定指標集合包括：食品營業許可證、營業執照、食品營業許可證的有效期、攝像頭設備、攝像頭在線設備、自檢自查以及參與培訓。

4.如權利要求3所述的基于機器學習的食品安全風險模型的構建方法，其特征在于，步驟S2中的評分表的構建具體為：成立餐飲企業食品安全專家小組，所述專家小組依據經驗對各個評定指標進行評估打分，得評分表。

5.如權利要求4所述的基于機器學習的食品安全風險模型的構建方法，其特征在于，第i個評定指標的先驗權重值的計算方法為：

6.如權利要求5所述的基于機器學習的食品安全風險模型的構建方法，其特征在于，所述步驟S3中的先驗權重矩陣的修正具體為：

步驟S31、成立反饋評定指標結果的志愿者小組，采集志愿者小組的各個志愿者對各項評定指標的評分值的反饋結果，對任一評定指標的反饋結果包括贊成和反對；

步驟S32、統計各個評定指標的反饋結果，計算各評定指標的純贊成數h_i，h_i＝贊成數-反對數；根據各評定指標的純贊成數計算各個評定指標的眾包權重，形成眾包權重矩陣K＝[k₁ k₂…k_i…k_n]，k_i代表f_i的眾包權重值；

步驟S33、獲取各個評定指標的矯正權重矩陣D，D＝K+(K-B)×y，y為預設影響系數。

7.如權利要求6所述的基于機器學習的食品安全風險模型的構建方法，其特征在于，預設影響系數為0.2。

8.如權利要求7所述的基于機器學習的食品安全風險模型的構建方法，其特征在于，每一項評定指標對應的風險標記值a＝0或1；

檢查是否上傳食品營業許可證，若上傳，則食品營業許可證的風險標記值為0，若未上傳，則食品營業許可證的風險標記值為1；

檢查是否上傳營業執照，若上傳，則營業執照的風險標記值為0，若未上傳，則營業執照的風險標記值為1；

檢查食品營業許可證是否過期，若未過期，則食品營業許可證的有效期的風險標記值為0，若過期，則食品營業許可證的有效期的風險標記值為1；

檢查有沒有攝像頭設備，若有，則攝像頭設備的風險標記值為0，若沒有，則攝像頭設備的風險標記值為1；

檢查有沒有攝像頭在線設備，若有，則攝像頭在線設備的風險標記值為0，若沒有，則攝像頭在線設備的風險標記值為1；

檢查餐飲企業有沒有進行自檢自查，若有，則自檢自查的風險標記值為0，若沒有，則自檢自查的風險標記值為1；

檢查餐飲員工有沒有參與培訓，若有，則參與培訓的風險標記值為0，若沒有，則參與培訓的風險標記值為1。